Бегущий по лезвию данных
1.03K subscribers
229 photos
29 videos
55 links
Канал о том, как я пришел в IT после 30 и что я тут делаю.

DA & BI
По вопросам - в сообщения канала
Download Telegram
BI без биайщика

Пост навеян общением с коллегами из разных компаний, активным использованием клода в рабочих задачах, некоторыми очень жизненными мемами и вот этим видео на канале сообщества аналитиков Яндекса – Зачем BI в эпоху AI? Причастным к нашему дашбордному делу рекомендую к просмотру.

Собственно, после всего вышеперечисленного мне стало окончательно ясно, что дело имеет общий характер. Если уже разработчики DataLens планируют создавать функционал для шеринга html'ек, которые заказчик наклодил, пока его таска на дашборд зависла в бэклоге у аналитиков, то явление действительно набирает обороты. К чему мы тогда идём?

Конечно, html'ки этап промежуточный - уже сейчас к BI-системам быстро прикручиваются mcp - и вот для самостоятельного создания дашбордов заказчику нужны только приличные витрины. Рай селф-сервиса, а от него – инфляция всего BI-скиллсета. Он и так не шибко торговался, а тут ещё размытие по разным менеджерским ролям. За ключевую отчётность, которой обычно не очень много, а также за инфраструктуру этой отчётности будет отвечать Analytics Engineer или BI Engineer, а роль BI-аналитика в том смысле, в котором она живёт сегодня, мы, скорее всего, не увидим в будущем. Текущие BI-аналитики не пропадут – пересоберут опыт и просто (или не очень просто) прыгнут в соседний вагон, а вот тем, кто планирует выбрать это направление как основное для развития своей карьеры на ближайшие годы, я бы рекомендовал ещё раз подумать – а стоит ли игра свеч?
11🤔65💯3
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥13🤣842🤩1
This media is not supported in your browser
VIEW IN TELEGRAM
Чтобы закрыть эту таску я использовал простой советский...
😁1033
3,934,137 rows affected
🤣184💔3
Про отпуск

Последние несколько лет получается так, что я хожу в отпуск один раз в году. В прошлом году мы никуда не поехали, потому что ждали появления нового члена семьи и весь отпуск ушел на знакомство с ним. В этом году решили отправиться на Селигер – очень уж хотелось тишины. Дом, в котором мы живём, переживает эпоху капитального ремонта, поэтому уже несколько месяцев мы слышим попеременно детский плач и многочасовую работу перфоратора. И если к первому мы привыкли, то второе просто измотало нас, поэтому хотелось поехать в очень тихое место, чтобы перезагрузиться. На Селигере действительно тихо – леса, озера, чудесные закаты и облака – все это в наличии. И практически никакого интернета. К сожалению, на этом плюсы заканчиваются, потому что весь регион находится в каком-то забытьи – из черных окон заброшенных домов глядят столетние призраки, да и не только из окон. Поэтому бонусом к тишине мы в каком-то смысле получили небольшое путешествие во времени. Однако один из нас остался в полном восторге от контраста этих озёрных мест с мегаполисом – вот он хохочет и убегает из кадра.
22🔥64
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥11👀53
🐴 Что такое Harness?

Когда мы говорим про ChatGPT, Claude или DeepSeek, легко представить, что почти всё зависит от самой LLM. Но модель — это только часть системы.

Сама по себе LLM работает с контекстом и генерирует ответ. Она не открывает файлы, не запускает Python, не ищет информацию в интернете и не выполняет команды в терминале.

Чтобы модель превратилась в агента, вокруг неё нужна инфраструктура. Эту инфраструктуру и называют harness.

Само слово здесь довольно говорящее: harness буквально переводится как «упряжь». То есть harness «запрягает» LLM — подключает к ней инструменты, управляет её действиями и организует выполнение задачи.
Если сильно упростить архитектуру:

Пользователь → Harness → LLM → Harness → инструменты → результат → LLM

Что именно находится внутри этой «упряжи»?

1. Context manager — управляет контекстом
Решает, что именно сейчас должна увидеть модель: системные инструкции, историю диалога, содержимое файлов, результаты предыдущих действий.
Контекст конечен, поэтому старую информацию приходится удалять, сжимать или заменять кратким summary.

2. Tool layer — даёт модели инструменты
Например: read_file(), search_code(), run_sql(), execute_python(), web_search()

Важно, что LLM сама ничего из этого не выполняет.
Она лишь генерирует запрос на использование инструмента. Harness распознаёт его, вызывает нужную функцию и возвращает результат обратно модели.

3. Agent loop — превращает один ответ в процесс
Обычный чат работает примерно так:
запрос → LLM → ответ

У агента появляется цикл:
LLM → действие → результат → LLM → действие → результат → ...
Именно поэтому агент может самостоятельно прочитать код, запустить тест, увидеть ошибку, исправить её и попробовать снова.

4. State / Memory — хранит состояние
Harness следит за тем, что агент уже сделал: какие файлы прочитал, какие команды запускал, какие результаты получил и на каком этапе задачи находится.
Без этого каждый следующий вызов модели был бы почти новым разговором.

5. Permissions и guardrails — определяют границы
Прочитать файл — можно.
Изменить файл — можно.
Сделать git push — возможно, сначала спросить пользователя.
Выполнить DROP TABLE — не сегодня.
То есть harness отвечает не только за возможности агента, но и за то, что ему делать нельзя.

Постепенно помимо гонки моделей начинается гонка харнессов. Например, на днях DeepSeek выпустили собственный Harness (DSH) с подходом, что все есть плагин. Короче, разработчики моделей начинают конкурировать уже не только качеством самих LLM, но и тем, какую среду для работы вокруг них они могут построить.

Отчасти LLM превращается в заменяемый движок, в некоторых случаях можно использовать более дешёвую модель с продвинутым харнессом.

На мой взгляд, среди обычных юзеров большАя часть возможностей современных агентов определяется уже не столько моделью, сколько харнессом и его фичами.
🔥10732
Прописка в IT или кот в мешке за миллион рублей?

Привет, коллеги! Хочу поинтересоваться вашим мнением про IT-магистратуры, а конкретно про онлайн программы (в партнёрстве с разными школами программирования или без оного).

Такие сейчас есть практически во всех топовых вузах. Основная фишка – это не заочка, а очный онлайн и большинство студентов совмещают его с работой. Стоимость у них плюс-минус одинаковая – около миллиона рублей, но есть и дороже. Наборы там большие, экзамены не сильно суровые и, кажется, люди активно идут – особенно те, у кого не профильная вышка и хочется это исправить, чтобы крепче стоять на ногах в новой реальности, или из-за отсрочки, или чтобы закрыть гештальт, или человек просто любит учиться и ищет «фундаментального» образования (нужное подчеркнуть).

Поделитесь личным опытом, если он имеется, и расскажите, что думаете о таких программах?
5👍33
Внезапно
🔥17🤩32
Сегодня Linux исполнилось 35 лет 🐧

25 августа 1991 года 21-летний Линус Торвальдс рассказал коллегам о своём проекте и попросил обратную связь. Так и началась история Linux.
12🔥6🎉52
🎂 Каналу сегодня два года

Как-то незаметно «Бегущему по лезвию данных» исполнилось уже два года.
Я тут регулярно что-то рассказываю про себя и свою работу, а вот про вас знаю довольно мало. Поэтому предлагаю сегодня поменяться местами 🙂

Расскажите в комментариях, кто вы, чем занимаетесь и как вообще оказались в мире данных, что вам интересно читать здесь. Можно просто пару слов.

Пишите в комментарии, давайте знакомиться
🎉22🔥10❤‍🔥9
This media is not supported in the widget
VIEW IN TELEGRAM
🔥18652
Помогу получить оффер бесплатно

Пришла осень, и взяла меня тоска по преподавательским временам) ☺️

Всё-таки я люблю не только учиться, но и учить: много обучал детей программированию, помогал знакомым готовиться к переходу в аналитику и нередко консультировал подписчиков.

В честь двухлетия канала возьму под свое менторство одного человека, который уже проходил курсы или занимался самостоятельно, освоил базовые инструменты и пытался найти работу, но пока остался без оффера ☔️

Из заявок выберу кейс поинтереснее. Вместе выясним, где всё застопорилось: в знаниях, практике, резюме, собеседованиях или стратегии поиска - и будем последовательно это исправлять 🤓

От менти нужны регулярные занятия и согласие на то, что история нашей работы станет материалом для постов (при желании - под псевдонимом) 🎹

Заявки оставляйте тут, через неделю сбор заявок будет закрыт
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥1877
Бегущий по лезвию данных
Помогу получить оффер бесплатно Пришла осень, и взяла меня тоска по преподавательским временам) ☺️ Всё-таки я люблю не только учиться, но и учить: много обучал детей программированию, помогал знакомым готовиться к переходу в аналитику и нередко консультировал…
Форма закрыта, было прислано больше 15 заявок. Ближайшие дни я буду их разбирать, чтобы выбрать одну историю.

Хотя уже сейчас видна основная проблема с поиском работы, которая повторяется практически у всех и о которой я расскажу в следующем посте.
🤔97👍62
5 ошибок на пути к первому офферу

Наконец разобрал заявки на менторство, их было немало и это заняло какое-то время. Вместо одного человека решил взять троих - двое уже отобраны, третий на финальном этапе. Это разные истории и разные точки старта. Позже расскажу про ребят подробнее.

При разборе заявок обратил внимание на несколько повторяющихся проблем. Они связаны друг с другом и по сути это одна проблема, но просто в нескольких разрезах. Часть из них мне хорошо знакома - как говорится, индивидуального опыта в мире не так уж и много. Посмотрим же на этот перечень 🤕


1. Ищу работу, но не ищу

Абсолютный лидер. Большинство ребят пишут, что находятся в поиске, но в ответах на вопрос о конкретных действиях видим, что откликов буквально 0. Поиск застыл на этапе «готовлюсь к выходу на рынок». Хорошо, если человек в этой подготовке хотя бы работает с резюме, но чаще нет и этого. Сюда же я бы включил слишком избирательный подход к откликам - в духе 10 откликов за месяц.


2. Вечный студент

Есть база по SQL, Python и BI. Но надо ещё ML, A/B, новый курс и pet-project.
Кажется, что вот после этого уже точно можно искать работу. Потом находится следующий пробел. И ещё один.
В какой-то момент обучение просто становится удобным способом не выходить на рынок.
Думаю, многим знакомо. Но не переживайте про обучение - в IT вы будете учиться всю жизнь ❄️


3. Я ещё не готов

В заявках несколько раз встречается страх идти на собеседования из-за недостатка практики. Знания у человека уже есть, но он не уверен, что сможет показать их на собеседовании - особенно при решении задач.

Но чтобы научиться ездить на велосипеде - нужно ездить на велосипеде. Ты никогда не будешь готов, пока не упадешь достаточное количество раз.


4. Лечат не тот этап воронки

Человек отправляет сотни откликов, получает пару бесед с HR и идёт активнее учить Python.
Хотя Python у него ещё никто не проверял.
Если до собеседования дело почти не доходит, я бы сначала смотрел резюме, позиционирование и сами вакансии.


5. Обнуляют прошлый опыт

Это прежде всего касается тех, кто меняет профессию. «Опыта нет», а потом выясняется, что человек работал в продажах, руководил отделом, преподавал SQL, писал автоматизацию или занимался отчётностью.
При смене профессии очень легко мысленно начать карьеру с нуля. Хотя часто задача не получить опыт заново, а нормально упаковать уже имеющийся.


В качестве итога такая мысль -
сначала нужно понять, где именно ломается поиск работы, а уже потом что-то чинить.

Мало откликаешься? Откликайся больше и через разные каналы. Отклики все ещё бесплатны.

Не зовут? Смотри резюме, позиционирование и свой фильтр компаний.

Зовут, но не доходишь до технички? Фиксируй и разбирай собеседования с HR.

Проваливаешься на техничке? Добирай точечно знания и снова к откликам.

Конечно, осознавать проблему это только полдела, в корне проблем часто лежат ложные убеждения или страх неудачи, но об этом мы поговорим, когда я устану крутить таблички и открою сервис скорой психологической помощи для it-специалистов ❄️
Please open Telegram to view this post
VIEW IN TELEGRAM
14🔥8💯51